Fazer uma cerveja deliciosa é uma tarefa difícil. As grandes cervejarias utilizam centenas de provadores treinados para testar novos produtos. Mas realizar essas degustações não é barato e a percepção do paladar é muito subjetiva. Um estudo publicado na revista Nature Communications descobriu que os novos modelos de IA podem não só prever como os consumidores avaliarão o sabor de uma bebida com espuma, mas também aconselhar os cervejeiros sobre quais ingredientes adicionar para tornar uma cerveja mais popular.
Os pesquisadores decidiram usar a rede neural para ajudar os fabricantes a desenvolver novos produtos alimentícios e bebidas ou ajustar receitas existentes para melhor atender aos gostos dos consumidores. O uso da IA prometia economizar tempo e dinheiro significativos em testes. O objetivo era criar um conjunto de dados de treinamento de IA que refletisse objetivamente as pontuações gerais de sabor, incluindo notas de lúpulo, levedura e malte, aparência da cerveja, aroma e qualidade geral da bebida.
Os pesquisadores levaram cinco anos e análises químicas de 250 cervejas comerciais belgas para treinar adequadamente a rede neural. Os pesquisadores combinaram essas análises com avaliações subjetivas de um painel de degustação qualificado e adicionaram resultados de 180 mil avaliações das mesmas cervejas na popular plataforma online RateBeer. Este grande conjunto de dados, que liga dados químicos a características sensoriais, foi usado para treinar 10 modelos de IA para prever com precisão o sabor, o cheiro e a sensação de uma cerveja, e a probabilidade de um consumidor lhe atribuir uma classificação elevada.
Para comparar os modelos, os pesquisadores dividiram os dados em um conjunto de treinamento e um conjunto de teste. Depois que o modelo foi treinado com dados do conjunto de treinamento, eles avaliaram sua capacidade de prever classificações de cerveja usando o conjunto de teste. Os resultados concluíram que todos os modelos foram melhores do que um painel treinado de especialistas humanos na previsão das classificações de cerveja do RateBeer.
Usando esses modelos, os pesquisadores conseguiram identificar compostos específicos que contribuem para as avaliações da cerveja pelos consumidores: as pessoas eram mais propensas a avaliar bem uma cerveja se ela contivesse esses compostos específicos. Por exemplo, os modelos previram que a adição de ácido láctico, presente em cervejas com sabor azedo e ácido, poderia melhorar outras cervejas, tornando-as mais frescas.
«Pedimos aos modelos que analisassem a cerveja e depois perguntamos como podemos melhorá-la? diz Kevin Verstrepen, professor da Universidade de Leuven. “Então fizemos alterações [sugeridas pela IA] na cerveja, adicionando compostos de sabor. E eis que depois que fizemos a degustação às cegas, a cerveja melhorou e se tornou mais popular.”
Fonte da imagem: Pixabay
Uma aplicação interessante desta pesquisa, diz ele, é que ela poderia ser usada para fazer uma melhor cerveja sem álcool, um grande desafio para a indústria de bebidas. Os pesquisadores usaram as previsões do modelo para adicionar uma mistura de compostos a uma cerveja sem álcool que os provadores humanos avaliaram significativamente mais alto do que a sua encarnação anterior.
Segundo a professora de ciências alimentares Carolyn Ross, que não esteve envolvida no estudo, o uso da IA pode ser extremamente útil no estudo da composição e do valor nutricional dos alimentos, bem como na adaptação de ingredientes a diferentes populações. Por exemplo, disse ela, as pessoas mais velhas consideram as combinações complexas de ingredientes menos atraentes. “Podemos explorar muito, principalmente quando estudamos diferentes populações e tentamos desenvolver produtos específicos para elas”, diz ela.